STEERING COMMITTEE ADVANCED ANALYTICS & AI HUB 2020 - OVERVIEW - CETIF
←
→
Trascrizione del contenuto della pagina
Se il tuo browser non visualizza correttamente la pagina, ti preghiamo di leggere il contenuto della pagina quaggiù
Advanced Analytics & AI HUB 2020
STEERING COMMITTEE
OVERVIEW
Novembre 2020
Strategia, innovazione e finanza. Questi i tre elementi fondanti le attività del CeTIF Il Centro di Ricerca su Tecnologie, Innovazione e Servizi Finanziari (CeTIF) dal 1990 realizza studi e promuove ricerche sulle dinamiche di cambiamento strategico e organizzativo nei settori finanziario, bancario e assicurativo. Ogni anno CeTIF attiva più di 15 strutture di ricerca, quali Competence Centre e Osservatori, cui possono partecipare gli oltre 20.000 professionisti che sono parte del network e organizza oltre 10 workshop dedicati a banche assicurazioni e aziende non finanziarie con l’obiettivo di favorire fra i partecipanti lo scambio di esperienze e l’adozione di pratiche innovative. Le attività di ricerca si focalizzano principalmente sugli effetti dello sviluppo di nuove strategie, sull’innovazione normativa, sull’approfondimento di prassi organizzative e di processo e sugli effetti dell’introduzione dell’innovazione tecnologica. Tra i partner istituzionali di CeTIF figurano: Banca d’Italia, IVASS, ABI, ANBP, ANIA, AIPB e CONSOB. In seno a CeTIF è stato costituito il CEFIRS - Centre for European Financial Regulations Studies - un Osservatorio Permanente sulla regolamentazione nel settore finanziario, bancario e assicurativo. Inoltre è presente la struttura CeTIF Academy, scuola di Alta Formazione Universitaria, che si pone l'obiettivo di trasferire ai top e middle manager le conoscenze sviluppate in oltre vent’anni di ricerca. CeTIF - Università Cattolica Via San Vittore, 18 - 20123 Milano Tel. +39 02 7234.2590 E-mail: cetif@unicatt.it www.cetif.it
3
CeTIF Advanced Analytics & AI HUB 2020 |
Advanced Analytics & AI HUB 2020
STEERING COMMITTEE
OVERVIEW
No v e m b r e 2 0 2 0
AUTORI:
Chiara Frigerio
William Andrea Marenaci
Federico Rajola
Luca Palestini
Pubblicato nel mese di Dicembre 2020
Copyright © CeTIF. Tutti i diritti riservati.
Ogni utilizzo o riproduzione anche parziale
del presente documento non è consentita senza
previa autorizzazione di CeTIF.
DISCLAIMER: CeTIF assicura che il presente documento è stato realizzato con la massima cura e con
tutta la professionalità acquisita nel corso della sua lunga attività. Tuttavia, stante la pluralità delle fonti
d’informazione e nonostante il meticoloso impegno da parte di CeTIF affinché le informazioni contenute
siano esatte al momento della pubblicazione, né CeTIF né i suoi collaboratori possono promettere o
garantire (anche nei confronti di terzi) esplicitamente o implicitamente l'esattezza, l'affidabilità o la
completezza di tali informazioni. CeTIF, pertanto, declina qualsiasi responsabilità per eventuali danni, di
qualsiasi tipo, che possano derivare dall'uso delle informazioni contenute nel presente rapporto.
Si evidenzia, inoltre, che il presente rapporto potrebbe contenere proiezioni future o altre dichiarazioni in
chiave prospettica, circostanza che comporta rischi e incertezze. Si avvisano pertanto i lettori che tali
affermazioni sono solamente previsioni e potrebbero quindi discostarsi in modo considerevole dagli effettivi
riscontri ed eventi futuri. CeTIF declina fin d’ora qualsiasi responsabilità e garanzia in relazione a tali
proiezioni.4
LO STEERING COMMITTEE
ADVANCED ANALYTICS & AI HUB 2020-
CeTIF Advanced Analytics & AI HUB 2020 |
2021
A. Allini, Responsabile Data Management – Crédit Agricole
R. Avesani, Chief Economist & Innovation Officer – UnipolSai Assicurazioni
A. Bandera, Head of Data Governance Unit – Banca Popolare di Sondrio
P. Biassoni, Data Officer and Head of Operations Advanced Analytics – Allianz
M. Carmina, Head of Group Digital & Data - Assicurazioni Generali
D. De Vita, Chief Analytics Officer – BNP Paribas Cardif
M. Ditta, Executive Director – Intesa Sanpaolo
S. Gatti, Head of Data & Analytics - Nexi
R. Lillo, Chief Data Officer – AXA Assicurazioni
G. Maifredi, Responsabile Divisione Data - UBI Sistemi e Servizi
R. Monachino, Chief Data Officer - Unicredit
A. Mossetti, Responsabile Advanced CRM - Banco BPM
D. Pedrazzi, Responsabile Pianificazione Distributiva – BPER Banca
G. Pellizzone, CRM Analitico - Banca Mediolanum
F. Schiera, Head of Group Data Governance and Reporting Management - Banca Monte dei Paschi di Siena
M. Zacchetti, Head of Insurance Analytics – Società Cattolica Assicurazione
S. Zoni, Chief Data & Analytics Officer – CREDEM
CeTIF ringrazia i relatori e i partecipanti per la loro presenza attiva ai lavori dell’HUB e per il contributo prezioso che hanno dato alla ricerca
che vi è stata condotta.
© CeTIF 2020 | Tutti i diritti riservati. E’ vietata la riproduzione, anche parziale, del seguente documento5
STEERING COMMITTEE OVERVIEW
CeTIF Advanced Analytics & AI HUB 2020 |
KEY TA KE A WA Y
L’ INDIVIDUAZIONE DI UNA DATA STRATEGY, LA
1 DEFINIZIONE DEL CONCETTO DI DATA DEMOCRATIZATION
E LA VALUTAZIONE DEI BENEFICI DERIVANTI DALLE
SOLUZIONI DI ADVANCED ANALYTICS E ARTIFICIAL
INTELLIGENCE RAPPRESENTANO LE PRINCIPALI SFIDE CHE
ATTENDONO LE ISTITUZIONI FINANZIARIE
Per le Istituzioni Finanziarie risulta fondamentale la definizione di una Data Strategy globalmente
condivisa a livello aziendale e coerente con gli obiettivi e le risorse, umane e tecnologiche, a disposizione.
Di pari importanza risulta il tema della Data Democratization: sempre più si discute sul significato
intrinseco di tale concetto che, non sempre, trova un consenso unanime. Un’altra difficoltà concreta si
rileva nell’individuazione di una metrica univoca in grado di riflettere il valore derivante dall’applicazione
delle soluzioni di Advanced Analytics e Artificial Intelligence.
LO SVILUPPO DI SOLUZIONI DI ADVANCED ANALYTICS E
2 INTELLIGENZA ARTIFICIALE NECESSITANO DI UNA
DIFFUSIONE DELLA CULTURA DEL DATO ALL’INTERNO
DELL’ISTITUZIONE E LA REALIZZAZIONE DI MODALITÀ DI
RETENTION DEI TALENTI
Per lo sviluppo delle progettualità di Advanced Analytics e Artificial Intelligence è sempre più necessario
per le Istituzioni Finanziarie non solo individuare il giusto bilanciamento di persone, ruoli e competenze,
del Team di Advanced Analytics, ma soprattutto offrire ai propri talenti un ambiente di lavoro
siloed-free, agile e smart. Inoltre risulta sempre più importante la creazione di soluzioni che consentano la
diffusione della cultura del dato anche alle persone che non lavorano a stretto contatto con essi. In
questo senso le Data Community rappresentano una modalità efficace ed efficiente per la realizzazione
di una tale strategia.L’ INDIVIDUAZIONE DI UNA DATA STRATEGY, LA DEFINIZIONE DEL
CONCETTO DI DATA DEMOCRATIZATION E LA VALUTAZIONE DEI
6 BENEFICI DERIVANTI DALLE SOLUZIONI DI ADVANCED ANALYTICS E
1 ARTIFICIAL INTELLIGENCE RAPPRESENTANO LE PRINCIPALI SFIDE CHE
CeTIF Advanced Analytics & AI HUB 2020 |
ATTENDONO LE ISTITUZIONI FINANZIARIE
L’avvento della pandemia ha accelerato il fenomeno della Digital Transformation, intesa come la diffusione
su ampia scala delle tecnologie digitali, e ha modificato radicalmente lo stile di vita e il modo di comunicare e
di agire delle persone, con impatti significativi su tutti i comparti produttivi, in particolare quello bancario e
assicurativo. In linea generale, è possibile identificare tre cambiamenti che le Istituzioni Finanziarie
hanno dovuto affrontare nel corso dei mesi passati. In primo luogo, si è assistito ad un cambiamento nei
comportamenti e nei bisogni dei clienti, che hanno richiesto nuove logiche e modalità di interazione più
immediate e maggiormente rispondenti alle singole specifiche necessità. In secondo luogo, è avvenuto un
incremento della fiducia riposta nel digitale, che ha comportato, da un lato, la riduzione del Digital Divide e,
dall’altro, la necessità di predisporre Customer Journey quanto più fluide possibili. Infine, si è assistito ad una
trasformazione delle modalità di svolgimento del proprio business anche a causa della necessità di offrire
esperienze sempre più Phygital, ovvero in grado di integrare in modo ottimale i canali di contatto digitali e
quelli fisici, che ha richiesto lo sviluppo di un nuovo approccio per affrontare le sfide in modo strategico.
Fonte: CeTIF – Advanced Analytics & AI HUB 2020
In un mondo sempre più connesso e digitalizzato, la spinta verso la Data Driven Company proviene
appunto dai clienti che, essendo abituati a coniugare con maggior frequenza gli aspetti della vita offline con
quelli online, dando vita al concetto di “Onlife”, desiderano ricevere da parte della propria Istituzione
Finanziaria un’esperienza sempre più simile a quella offerta dai player come Amazon e Netflix in cui, attraverso
un’ approfondita analisi del cliente, vengono offerti prodotti, film, serie tv, in linea con gli interessi manifestati.
Per le imprese bancarie e assicurative si tratta di un cambiamento radicale, guidato soprattutto dai dati. Questi
ultimi, se correttamente sfruttati, permettono di ottimizzare i processi aziendali e soprattutto di conoscere gli
utenti, i propri clienti effettivi e potenziali, i loro comportamenti e le loro preferenze, al fine di creare prodotti
o erogare servizi di successo, disegnati su specifici bisogni. Questo richiede un nuovo approccio alla gestione
del dato in azienda che si concretizza tramite la realizzazione di un’impalcatura dell’informativa aziendale più
orientata ad un mondo Data Driven. A questo proposito è imprescindibile per le Istituzioni Finanziarie definire
una Data Strategy, ovvero un insieme di scelte e decisioni che, insieme, traccino una visione strategica
di lungo termine, con riferimento alle modalità di raccolta, gestione, integrazione, condivisione e accesso ai
dati, coerente con gli obiettivi e le risorse aziendali. In letteratura sono state individuate due chiavi,
considerate fondamentali per la realizzazione di una strategica gestione dei dati.
© CeTIF 2020 | Tutti i diritti riservati. E’ vietata la riproduzione, anche parziale, del seguente documentoInfatti, prima di promuovere il loro corretto utilizzo e un’ottimale allocazione delle risorse, si rende necessario 7
CeTIF Advanced Analytics & AI HUB 2020 |
disegnare le attività di gestione dei dati per supportare le strategie complessive dell’azienda. In questo senso, appare
utile distinguere tra un utilizzo difensivo ed uno offensivo dei dati, quindi tra controllo e flessibilità nel loro
utilizzo. Nel primo caso l’obiettivo è quello di assicurare la protezione la qualità, l’integrità, la governance del dato e
la Regulatory Compliance attraverso l’ottimizzazione dell’estrazione, della standardizzazione, della conservazione dei
dati e dell’accesso agli stessi. L’utilizzo difensivo dei dati è, quindi, orientato all’individuazione alla gestione e alla
mitigazione dei rischi e assicura, quindi, la compliance alle normative e l’integrità della reportistica. L’utilizzo offensivo
dei dati, invece, ha l’obiettivo di migliorare la competitività e incrementare la redditività attraverso l’ottimizzazione
della Data Analysis e dei modelli. A questo proposito è importante sottolineare l’esistenza di alcuni fattori aziendali
o ambientali che possono influenzare la direzione strategica, sull’utilizzo dei dati, perseguita dall’Istituzione. Da un
lato, infatti, vi è la regolamentazione, che nel settore bancario e assicurativo indirizzerebbe l’azienda verso la scelta di
un approccio difensivo. Dall’altro la concorrenza, che, attraverso l’offerta di prodotti e servizi finanziari più
innovativi, spingerebbe l’impresa all’adozione di un approccio offensivo. In questo senso, la sfida per i CDO e per i
C-Level dell’Istituzione Finanziaria è quella di stabilire gli opportuni compromessi tra i due approcci e di garantire il
miglior equilibrio a sostegno della strategia generale della società.
All’interno di realtà complesse come quelle bancarie e assicurative, non è sempre però possibile definire una linea
guida strategica globalmente condivisa e allineata con gli obiettivi aziendali. Molto spesso infatti si creano singole
strategie, di Data Governance e Data Quality, basate soprattutto sulla volontà dei singoli soggetti, quando
all’opposto si rende sempre più necessaria la definizione una strategia organica e strutturata a livello aziendale. In
quest’ottica, la Data Strategy è fondamentale per affrontare una delle principali sfide per chi decide di stabilire una
cultura dove il dato è alla base del decision-making process, ovvero quella relativa al concetto di Data
Democratization. Non esiste una definizione univoca per descrivere tale fenomeno, ma può essere ricondotta a
quel processo che punta a dare la possibilità a tutte le figure di una certa organizzazione, anche quelle meno
tecniche, di poter recuperare e analizzare i dati aziendali senza la necessità di dipendere dall’IT. È dunque utile capire
come far entrare anche il business nel processo di utilizzo e analisi del dato in maniera sempre più indipendente,
convogliando le richieste non più su un ente unico ma condividendole tra le risorse che hanno forti competenze di
dominio e meno conoscenze tecniche. Tale approccio consentirebbe di sfruttare i dati nella loro totalità per
supportare le proprie attività, per promuovere una sana cultura del dato in azienda e soprattutto rispondere
all’aumento della richiesta di analisi, estrazioni e dashboard da parte del business. La distribuzione dei dati a 360 gradi
all’interno dell’azienda permette a ogni funzione di arricchire e potenziare il proprio contributo nel processo di
decision-making. Più persone con competenze eterogenee avranno la possibilità di accedere ai dati facilmente, più
rapidamente l’organizzazione identificherà opportunità di business. Ovviamente è imperativo per le Istituzioni la
definizione di un framework che definisca chiaramente le modalità di accesso ai dati, nonché il grado di profondità e
granularità, per evitare che il dato venga utilizzato in maniera errata e misleading. Una volta definita la metodologia di
approccio al dato, è necessario individuare una metrica univoca in grado di riflettere il valore derivante
dall’applicazione delle soluzioni di Advanced Analytics e Artificial Intelligence. Questo è un tema molto
sentito dalle Istituzioni Finanziarie, in quanto rilevano una difficoltà concreta nella definizione di KPI in grado di
dimostrare la marginalità derivante dall’adozione di tali tecniche. Inoltre, anche a fronte della proposta e
realizzazione di Use Case monetizzabili e con un ritorno economico positivo, si crea un certo grado di diffidenza
verso quei progetti più di frontiera che richiedono un investimento immediato e un profitto incerto. Si cerca dunque
di procedere con gradualità, tramite lo sviluppo di Use Case semplici, efficaci e che apportino al cliente un beneficio
tangibile. Un esempio è rappresentato dai Chatbot e dai Robot for Advisor, in quanto, da un lato, semplificano
l’attività svolta dagli operatori e, dall’altro, offrono un servizio al cliente di facile comprensione e utilizzo. Inoltre,
consentono un corretto bilanciamento fra l’automazione e lo human touch sempre più richiesto dal cliente,
soprattutto nel mondo della consulenza.LO SVILUPPO DI SOLUZIONI DI ADVANCED ANALYTICS E INTELLIGENZA
8 ARTIFICIALE NECESSITANO DI UNA DIFFUSIONE DELLA CULTURA DEL
2 DATO ALL’INTERNO DELL’ISTITUZIONE E LA REALIZZAZIONE DI MODALITÀ
CeTIF Advanced Analytics & AI HUB 2020 |
DI RETENTION DEI TALENTI
In uno scenario in cui i dati rappresentano un asset aziendale strategico, è necessario trasmettere la cultura del
dato a tutti i livelli e le funzioni aziendali, coinvolgendo il maggior numero di dipendenti. Si tratta di uno sforzo
considerevole che ha portato alcune banche e imprese di assicurazione a sviluppare Data Science
Community, al fine di condividere esperienze, conoscenze e competenze sul mondo dei dati anche con
persone che non lavorano a stretto contatto con essi. In questo senso, le Data Community svolgono
un’attività di supporto e affiancamento a quelle Unit che, parallelamente alla digitalizzazione della banca, stanno
affrontando un cambiamento tecnologico e necessitano di aumentare il livello di conoscenza e maturità
riguardo all’applicazione di modelli di Advanced Analytics. Le community dunque non devono svolgere solo
un’attività di formazione, ma devono supportare i colleghi nei progetti che prevedono l’utilizzo di nuove
tecniche e tecnologie. Nell’ambito delle ricerche condotte da CeTIF, in collaborazione con le Istituzioni
Finanziarie partecipanti all’Advanced Analytics & AI HUB, sono state individuate le Best Practice che
caratterizzano una Data Science Community. Questa nasce solitamente all’interno dell’azienda ma può
anche essere integrata attraverso competenze e tool di società esterne più specializzate nel trattare
determinati temi, come per esempio l’utilizzo e il trattamento dei dati biometrici. L’obiettivo della Community
è creare un luogo Phygital di diffusione e condivisione di skill e conoscenze. In quest’ottica, essa deve
prevedere sia momenti di formazione online, tramite la creazione di Webinar e pillole formative, sia momenti
di incontro fisici attraverso la partecipazione a Workshop seminari e tavoli di lavoro per la condivisione di
idee, esperienze, tool informatici e business case con le altre business unit. L’aspetto fondamentale è che la
Community deve essere fautrice di idea generation, assumendo un ruolo attivo e funzionale alla creazione,
produzione e realizzazione di Use Case innovativi. Le persone devono essere coinvolte e sapere che in caso di
dubbi, perplessità e necessità legate al mondo dei Big Data e degli Advanced Analytics possono fare
affidamento sulle persone presenti e attive all’interno della Community. Oggigiorno le Data Community, con
le caratteristiche sopra indicate, rappresentano per la maggior parte delle Istituzioni Finanziarie Proof of
Concept in quanto non tutte dispongono di un numero di risorse sufficientemente elevato da permetterne la
costituzione, così come non tutte hanno previsto la creazione di un percorso di knowledge sharing cross
funzionale con le altre aree operative. In quest’ottica, sono emerse forme ibride di Data Community che
prevedono varie modalità di apprendimento e di diffusione delle conoscenze: la creazione di piattaforme di E-
learning; la realizzazione di hackton o datathon; le collaborazioni con istituti di ricerca; la realizzazione di
analytics competition; lo sviluppo di data analytics tool kit, con riferimento ai linguaggi di programmazione;
specifiche Data Academy, create appositamente per supportare le figure di Top Management nella
comprensione di tali tematiche. Tutte le Istituzioni Finanziarie concordano infatti che la diffusione della Data
Culture a tutti i livelli aziendali rappresenti, nel lungo periodo, un fattore di successo per realizzare il
passaggio in produzione degli algoritmi sviluppati in laboratorio. A questo proposito, si evidenzia che per la
creazione di un ottimo modello non è sufficiente definire un adeguato Analytics Journey, in quanto ciò che
conta è che l’area di business comprenda il valore aggiunto che il modello può apportare nello svolgimento
della loro attività. Quindi chi si occupa di sviluppare il modello dev’essere in grado di comunicare il significato
e chi lo riceve deve comprenderne le potenzialità. Questo passaggio è fondamentale, in quanto solo attraverso
una precisa comunicazione e un chiaro linguaggio si può arrivare a definire un modello efficace ed efficiente. In
quest’ottica, per lo sviluppo delle progettualità di Advanced Analytics e Artificial Intelligence è sempre più
necessario per le Istituzioni non solo individuare il giusto bilanciamento di persone, ruoli e competenze, del
Team di Advanced Analytics, ma soprattutto offrire ai propri talenti un ambiente di lavoro siloed-free, agile e
smart. Nell’ambito delle ricerche nel CeTIF Digital HR HUB, sono stati individuati i principali fattori su cui le
aziende dovrebbero focalizzare l’attenzione per aumentare il grado di retention dei propri dipendenti e
di ingaggio di nuove risorse.
© CeTIF 2020 | Tutti i diritti riservati. E’ vietata la riproduzione, anche parziale, del seguente documentoIn quest’ottica si evidenzia la necessità di assicurare un benessere fisico e psicologico, che si realizza attraverso la 9
CeTIF Advanced Analytics & AI HUB 2020 |
promozione dello smart working e di un certo grado di tolleranza all’errore; in secondo luogo, molto importante
risulta l’apertura dell’azienda alla diversità, promuovendo l’inclusione ed evitando situazioni di discriminazione.
Infine, è preferibile l’adozione di un agile mindset abbandonando l’approccio top-down e la struttura silos-based. Per
quanto riguarda invece la composizione ottimale del Team di Advanced Analytics si si rende necessaria la
presenza e la coesistenza delle seguenti figure professionali: Innovation Officer, Chief Data Officer, Data Owner,
Data Expert, Data Technology Owner, Data Steward, Data & It Engineer, Business Analyst e Data Scientist. È
opportuno sottolineare che tale tassonomia non è univoca, in quanto emerge tra le varie Istituzioni Finanziarie
una differenza nella nomenclatura dei ruoli, dei compiti e delle responsabilità. Ad esempio, vengono utilizzati i
termini Data Owner e Data Expert per riferirsi alle stesse figure con i medesimi compiti e responsabilità. Allo
stesso modo il Data Technology Owner e il Data Steward rappresentano la stessa figura professionale, come
anche il Data Translator e il Business Translator. Questo a significare che non esiste ancora un dizionario univoco
di riferimento.
Dal confronto con le Istituzioni Finanziarie è emerso, inoltre, come le soft skill essenziali all’interno dell’unità che
si occupano di Advanced Analytics siano principalmente: la Curiosity, per pensare fuori dagli schemi e ricercare
più interpretazioni possibili nel set di dati; la Business Vision per avere una visione di lungo termine di come
sfruttare i dati per fare business ed efficientare i processi; l’Analytical Think, per sviluppare un pensiero analitico
che permetta di lavorare con un approccio data driven; la Data Comunication, ossia la capacità di saper
trasformare i numeri in concetti comprensibili e fruibili a tutti. Queste, associate alle hard skill quindi a
competenze funzionali, tecnologiche e statistiche, sono fondamentali al fine di assumere le decisioni strategiche
migliori per realizzare un’autentica Data Driven & Algorithm Company.
Fonte: CeTIF – Advanced Analytics & AI HUB 2020CeTIF - Università Cattolica
Via Olona 2 - 20123 Milano
Tel. +39 02 7234.2590
E-mail: cetif@unicatt.it
www.cetif.itPuoi anche leggere
